今天早些时候,我正在基于http://www.mathworks.com/products/demos/image/color_seg_k/ipexhistology.html和Matlab回答该脚本:
clc;
clear;
close all;
input_im=imread('C:\Users\Udell\Desktop\T2.jpg');
sz_im=size(input_im);
cform = makecform('srgb2lab');
lab_he = applycform(input_im,cform);
ab = double(lab_he(:,:,2:3));
nrows = size(ab,1);
ncols = size(ab,2);
ab = reshape(ab,nrows*ncols,2);
nColors = 3;
% repeat the clustering 3 times to avoid local minima
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', 'Replicates',3);
pixel_labels = reshape(cluster_idx,nrows,ncols);
%imshow(pixel_labels,[]), title('image labeled by cluster index');
segmented_images = cell(1,3);
rgb_label = repmat(pixel_labels,[1 1 3]);
for k = 1:nColors
color = input_im;
color(rgb_label ~= k) = 0;
segmented_images{k} = color;
end
for k=1:nColors
%figure
title_string=sprintf('objects in cluster %d',k);
%imshow(segmented_images{k}), title(title_string);
end
finalSegmentedImage=segmented_images{1};
%imshow(finalSegmentedImage);
close all;
Icombine = [input_im finalSegmentedImage];
imshow(Icombine);
在运行脚本的过程中,我发现当针对组合图像(Icombine)的finalSegmentedImage = segmented_images {1}时,会得到不同的图像。为什么?我该如何解决它的结果将是重复的(例如,segmented_images {1}图像将始终相同)?
非常感谢。
图片:
之所以得到不同的结果,是因为您的颜色分割算法使用了k -means聚类。我假设您不知道这是什么,因为熟悉它的工作原理的人会立即告诉您,这就是为什么您每次都能获得不同结果的原因。实际上,每次运行此代码后得到的不同结果都是k -means聚类的自然结果,我将解释原因。
它的工作方式是,对于您拥有的某些数据,您要将其分组为k个组。最初,您在数据中选择了k个随机点,这些随机点的标签为1,2,...,k
。这些就是我们所说的质心。然后,您确定其余数据与这些点的距离有多近。然后,您可以对这些点进行分组,以便无论哪个点最接近这k个点中的任何一个,都可以将这些点分配为属于该特定组(1,2,...,k
)。之后,针对每个组的所有点,更新质心,实际上将质心定义为每个组的代表点。对于每个组,您需要计算k个点中所有点的平均值组。这些成为下一次迭代的新质心。在下一次迭代中,您将确定数据中的每个点与每个形心的接近程度。您不断迭代并重复此行为,直到质心不再移动或它们很少移动为止。
这对上面的代码的适用方式是您正在拍摄图像,并且只想使用k种可能的颜色表示图像。因此,这些可能的颜色中的每一个将是一个质心。一旦找到每个像素所属的群集,就可以将像素的颜色替换为该像素所属的群集的质心。因此,对于图像中的每个彩色像素,您都需要决定用哪种像素可以最好地代表k种可能的颜色。之所以进行颜色分割,是因为您将图像分割为仅属于k种可能的颜色。从更一般的意义上讲,这就是所谓的无监督分割。
现在,回到k-均值。如何选择初始质心是获得不同结果的原因。您以默认方式调用k -means,它将自动确定算法将从中选择哪些初始点。因此,不能保证每次调用算法时都会生成相同的初始点。如果您想重复相同的分段,无论调用多少次kmeans
,都需要自己指定初始点。这样,您将需要修改k -means调用,使其看起来像这样:
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
'Replicates', 3, 'start', seeds);
注意,调用是相同的,但是我们在k -means调用中添加了两个附加参数。该标志start
意味着您正在指定初始点,并且seeds
是一个k x p
数组,其中k是您想要的组数。在这种情况下,这与相同nColors
,即3.p
是数据的维度。由于您要转换和重塑数据的方式,这将是2。这样,您最终将指定一个3 x 2
矩阵。但是,您在Replicate
那里有一个标志。这意味着k -means算法将运行您指定的特定次数,并且将输出错误量最小的分段。因此,我们将重复kmeans
调用次数与此标志指定的次数相同。上述结构seeds
将不再k x p
,但是k x p x n
,在这里n
是要运行分割的次数。现在这是一个3D矩阵,其中每个2D切片确定算法每次运行的初始点。请记住这一点,以备后用。
如何选择这些点取决于您。但是,如果您想随机选择这些而不是完全由您自己决定,而是想在每次调用此函数时重现相同的结果,则应将随机种子生成器设置为一个已知数字,例如123
。这样,当您生成随机点时,它将始终生成相同的点序列,因此是可重现的。因此,我会在调用之前将其添加到您的代码中kmeans
。
rng(123); %// Set seed for reproducibility
numReplicates = 3;
ind = randperm(size(ab,1), numReplicates*nColors); %// Randomly choose nColors colours from data
%// We are also repeating the experiment numReplicates times
%// Make a 3D matrix where each slice denotes the initial centres for each iteration
seeds = permute(reshape(ab(ind,:).', [2 nColors numReplicates]), [2 1 3]);
%// Now call kmeans
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
'Replicates', numReplicates, 'start', seeds);
请记住,您指定了Replicates
标志,并且我们想重复执行此算法一定次数。这是3
。因此,我们需要为算法的每次运行指定初始点。因为我们将有3个点的聚类,并且将要运行3次此算法nColors * numReplicates
,所以总共需要9个初始点(或)。每组初始点都必须是3D数组中的一个切片,这就是为什么您在kmeans
调用之前看到该复杂语句的原因。
我将重复次数设置为变量,以便您可以更改此设置以及您的内心需求,并且仍然可以使用。纷繁复杂的语句permute
,并reshape
让我们能够很容易地创建点的这个3D矩阵。
请记住,randperm
最近在MATLAB中对的调用仅接受第二个参数。如果上述对的调用randperm
无效,请执行以下操作:
rng(123); %// Set seed for reproducibility
numReplicates = 3;
ind = randperm(size(ab,1)); %// Randomly choose nColors colours from data
ind = ind(1:numReplicates*nColors); %// We are also repeating the experiment numReplicates times
%// Make a 3D matrix where each slice denotes the initial centres for each iteration
seeds = permute(reshape(ab(ind,:).', [2 nColors numReplicates]), [2 1 3]);
%// Now call kmeans
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
'Replicates', numReplicates, 'start', seeds);
现在,使用上面的代码,您应该能够每次生成相同的颜色分割结果。
祝你好运!
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句